Session-based recommendations with recurrent neural networks(阅读理解)

本文是最大贡献在于第一次将RNN使用到Session-based Recommendation中 作者将用户的行为作为看做是序列问题,有效的将时间信息添加到网络中,在传统的两类推荐方法中——基于内容的推荐算法和协同过滤推荐算法(model-based、memory-based)在刻画序列数据中存在缺陷:每个item相互独立,不能建模item的连续偏好信息,缺失了整个序列的休息。 而本文的方法恰好运
相关文章
相关标签/搜索